核心信息

Meta Superintelligence Labs 发布了 Muse Voice Transcribe，这是一款实时音频感知模型，支持流式语音转文字、20+ 说话人分离和端点检测，并具备多语种混说切换与偏好设置能力。

要点

  • 实时流式语音识别，支持 20+ 说话人分离和自动端点检测。
  • 多语种支持，可无缝切换语种；通过语言、关键词和上下文偏好提升准确率。
  • 在 Artificial Analysis 流式语音转文字及公开说话人分离基准上排名第一。